KR20220152022A - 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법 - Google Patents

블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법 Download PDF

Info

Publication number
KR20220152022A
KR20220152022A KR1020210059464A KR20210059464A KR20220152022A KR 20220152022 A KR20220152022 A KR 20220152022A KR 1020210059464 A KR1020210059464 A KR 1020210059464A KR 20210059464 A KR20210059464 A KR 20210059464A KR 20220152022 A KR20220152022 A KR 20220152022A
Authority
KR
South Korea
Prior art keywords
model
electronic device
blockchain network
performance
program
Prior art date
Application number
KR1020210059464A
Other languages
English (en)
Inventor
곽노산
이소희
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020210059464A priority Critical patent/KR20220152022A/ko
Priority to PCT/KR2022/006272 priority patent/WO2022235039A1/ko
Priority to EP22799082.7A priority patent/EP4322073A1/en
Publication of KR20220152022A publication Critical patent/KR20220152022A/ko
Priority to US18/387,675 priority patent/US20240078548A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Security & Cryptography (AREA)
  • Neurology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치는, 통신 모듈 및 프로세서를 포함하고, 상기 프로세서는, 상기 통신 모듈을 통해 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하고, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하고, 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하도록 설정될 수 있다.

Description

블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법 {ELECTRONIC DEVICE CORRESPONDING TO A NODE INCLUDED IN A BLOCKCHAIN NETWORK AND METHOD OF OPERATING THE SAME}
본 발명의 다양한 실시 예는, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법에 관한 것이다.
블록체인에 기반한 비트코인이 공개된 이후, 블록체인은 비트코인과 같은 전자화폐(암호화폐 또는 가상화폐) 시스템뿐만 아니라 스마트 계약(smart contract)에 기반한 플랫폼 제공 서비스, 클라우드 저장소 서비스, 블록체인 컴퓨팅 서비스 등 다양한 분야에서 적용되고 있다.
블록체인 플랫폼은 시스템에 참여한 구성원들(노드)이 각자의 블록에 데이터를 분산해서 저장함으로써 데이터의 위조나 변조가 사실상 불가능하고(신뢰성), 구성원들이 각자 분산된 정보를 보유할 수 있으며(투명성), 별도의 중앙서버의 관리자도 필요하지 않다.
기술의 발전으로 제조 공장의 스마트화가 가속화되고, 제조 공정의 자동화가 거론되고 있다. 이를 가능하게 하는 기술이 인공지능(artificial inteligence, AI) 기술이다. AI 기술은 자율 자동차, 로봇, 공장 자동화, IoT(internet of things) 기기 등 다양한 범위에서 이용되고 있다.
최근의 AI 기술은, 뉴럴 네트워크(neural network) 모델을 이용하는 AI 모델을 개발하는 것과 관련이 있다. 이러한, AI 모델을 사용하기 위해서는, 다양한 AI 모델들을 관리하는 시스템이 필요하다. 예컨대, AI 모델들을 함께 관리하는 AI 허브가 이용될 수 있다.
제조 현장에서 이용되는 AI 모델들을 별도로 관리하는 시스템은 없다. AI 모델은 개별적으로 관리되거나 클라우드(cloud) 서버에 저장되어 제조 현장에 제공되고 있다. 제조 현장에서 클라우드 서버를 통해 AI 모델을 제공하는데 제약이 있을 수 있다. 예컨대, 보안 데이터가 외부 클라우드 서버로 유출되어 제조 기밀 누출이 발생될 수 있고, 열악한 네트워크 환경으로 인해 프로세스가 실시간으로 처리되지 못할 수 있다.
클라우드 서버를 이용하지 않고, 중앙 서버에 AI 모델을 저장하여 관리할 수도 있다. 그러나, 중앙 서버가 해킹되었을 때, AI 모델을 제공하는 서비스가 모두 정지될 수 있다. 그리고, 중앙 서버가 해킹되었을 때, 외부의 원격 조작에 의해 AI 모델이 잘못된 제조 설비에 이용될 수도 있다. 또한, 중앙 서버가 해킹되지 않더라도, 중앙 서버의 과부하로 인해 중앙 서버가 다운되거나 이상이 발생될 수도 있다.
다양한 실시 예들은, 적어도 하나의 AI 모델 및 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 프로그램을 블록체인 네트워크에 등록하고, 블록체인 네트워크의 노드에 대응하는 전자 장치가 상기 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 전자 장치와 이의 동작 방법을 제공할 수 있다.
다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치는, 통신 모듈 및 프로세서를 포함하고, 상기 프로세서는, 상기 통신 모듈을 통해 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하고, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하고, 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하도록 설정될 수 있다.
다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치의 동작 방법은, 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작, 및 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 포함할 수 있다.
다양한 실시 예에 따른, 비일시적 컴퓨터로 판독할 수 있는 기록 매체는, 인스트럭션들이, 프로세서에 의한 실행 시, 상기 프로세서가, 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작, 및 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 수행하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따른 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치는, 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하고, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리할 수 있다.
도 1은 다양한 실시 예들에 따른 네트워크 환경을 나타내는 도면이다.
도 2a는 다양한 실시 예에 따른, 블록체인 네트워크에 대한 개략적인 도면이다.
도 2b는, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응되는 전자 장치에 대한 블럭도이다.
도 3는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 4는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치가 AI 모델에 대한 데이터를 블록에 저장하는 동작을 설명하기 위한 도면이다.
도 5는, 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드들이 AI 모델에 대한 데이터를 블록에 저장하는 동작을 설명하기 위한 도면이다.
도 6은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 7은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 8은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 9는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다.
무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 1eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 111 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2a는 다양한 실시 예에 따른, 블록체인 네트워크에 대한 개략적인 도면이다.
도 2a를 참조하면, 블록체인 네트워크(200)는 복수의 노드들(201, 202, 203, 204, 205, 및 206)을 포함할 수 있다. 예컨대, 블록체인 네트워크(200)는 제1노드(201), 제2노드(202), 제3노드(203), 제4노드(204), 제5노드(205), 및 제6노드(206)을 포함할 수 있다. 복수의 노드들(201, 202, 203, 204, 205, 및 206) 각각은, 서로를 식별할 수 있는 주소를 가질 수 있다. 예컨대, 제1노드(201)는 제1주소를 가질 수 있고, 제2노드(202)는 제2주소를 가질 수 있고, 제3노드(203)는 제3주소를 가질 수 있고, 제4노드(204)는 제4주소를 가질 수 있고, 제5노드(205)는 제5주소를 가질 수 있고, 및 제6노드(206)는 제6주소를 가질 수 있다. 복수의 노드들(201, 202, 203, 204, 205, 및 206)은 블록체인 네트워크(200)를 통해 데이터를 송수신할 수 있다. 예컨대, 복수의 노드들(201, 202, 203, 204, 205, 및 206)은, 미리 지정된 해시 함수를 공휴하고, 지정된 해시 함수를 이용하여 암호화된 데이터를 송수신할 수 있다. 복수의 노드들(201, 202, 203, 204, 205, 및 206) 각각은 반드시 모든 노드들과 연결될 필요없이 복수의 노드들(201, 202, 203, 204, 205, 및 206) 중 적어도 하나의 노드와 연결되더라도 전체 노드들(201, 202, 203, 204, 205, 및 206) 간에 데이터 동기화가 가능할 수 있다. 이에 따라, 복수의 노드들(201, 202, 203, 204, 205, 및 206)은 모두 동일한 데이터를 확인할 수 있다.
다양한 실시 예에 따라, 복수의 노드들(201, 202, 203, 204, 205, 및 206)은, 블록체인 네트워크(200)에 기록된 적어도 하나의 AI와 관련된 데이터(이하, AI 모델)을 확인 및 획득할 수 있다. 또한, 복수의 노드들(201, 202, 203, 204, 205, 및 206)은, 블록체인 네트워크(200)에 기록된 적어도 하나의 AI 모델을 관리하기 위한 프로그램(예컨대, 로보틱 프로세스 오토메이션(robotic process automation(RPA))을 확인 및 획득할 수 있다.
다양한 실시 예에 따라, 블록체인 네트워크(200)는 중앙 집중형 서버에 기록을 보관하거나 관리하지 않고, 블록체인 네트워크(200)에 참여하는 각각의 전자 장치들이 모여 네트워크를 유지 및 관리할 수 있다. 이때, 각 전자 장치, 즉 참여자가 노드일 수 있다. 블록체인 네트워크(200)는 중앙 관리자가 없기 때문에 노드들 각각이 미리 정해진 합의에 따라 블록을 배포할 수 있다. 예컨대, 블록체인 네트워크(200)의 새로운 블록은, 블록체인 네트워크(200)에 참여하는 노드들 가운데 절반 이상의 동의가 있어야 생성될 수 있다.
다양한 실시 예에 따라, 복수의 노드들(201, 202, 203, 204, 205, 및 206) 각각은, 도 1의 전자 장치(101, 102, 또는 104)와 동일 또는 유사하게 구현될 수 있다. 또한, 복수의 노드들(201, 202, 203, 204, 및 205) 각각은 도 1의 서버(108)와 동일하게 구현될 수도 있다. 즉, 블록체인 네트워크에 포함된 노드(201, 202, 203, 204, 205, 또는 206)는 블록체인 네트워크에 액세스하고, 다른 노드들과 데이터를 송수신할 수 있는 전자 장치일 수 있다. 예컨대, 복수의 노드들(201, 202, 203, 204, 205, 및 206) 각각은, 제조 현장을 관리하는 서버로 구현될 수 있다.
한편, 도 2a의 블록체인 네트워크(200)에 포함된 노드들의 개수는 설명의 편의를 위한 것이고, 본 발명의 기술적 사상은 이에 한정되지 않을 수 있다. 하기에서는 블록체인 네트워크(200)에 포함된 어느 하나의 노드에 대응되는 전자 장치에 대하여 설명할 것이다.
도 2b는, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응되는 전자 장치에 대한 블럭도이다.
도 2b를 참조하면, 전자 장치(201)는, 프로세서(220), 메모리(230), 및 통신 모듈(240)을 포함할 수 있다. 예컨대, 전자 장치(201)는 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 다른 노드들에 대응하는 전자 장치들에게도 동일 또는 유사하게 적용될 수 있다. 예컨대, 전자 장치(201)는, 블록체인 네트워크(200)의 마스터 노드일 수 있다.
다양한 실시 예에 따라, 프로세서(220)는 전자 장치(201)의 전반적인 동작을 제어할 수 있다. 예컨대, 프로세서(220)는, 도 1의 프로세서(120)와 동일 내지는 유사하게 구현될 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 통신 모듈(240)(예컨대, 도 1의 통신 모듈(190))을 통해 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 액세스할 수 있다. 예컨대, 프로세서(200)는, 블록체인 네트워크(200)에 액세스하고, 블록들에 기록된 데이터를 확인 및/또는 획득할 수 있다. 또한, 프로세서(220)는, 통신 모듈(240)을 통해, 블록체인 네트워크(200)에 포함된 노드들과 데이터를 송수신할 수 있다. 프로세서(220)는, 블록체인 네트워크(200)에 대한 데이터를 메모리(230)(예컨대, 도 1의 메모리(130))에 저장할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 통신 모듈(240)을 통해 블록체인 네트워크(200)에 AI 모델에 대한 데이터를 등록할 수 있다. 예컨대, 프로세서(220)는, 새로운 블록을 생성하고, 새로운 블록에 AI 모델에 대한 데이터를 저장(또는 기록)할 수 있다. 예컨대, AI 모델에 대한 데이터는 AI 모델의 성능 정보, AI 모델을 이용하기 위한 정보, 및 AI 모델의 등록, 삭제, 변경, 사용에 대한 이력 정보를 포함할 수 있다. 예컨대, 프로세서(220)는, AI 모델이 특정 제조 현장에서 이용되면, AI 모델의 사용에 대한 정보(예컨대, 사용 시간, 사용 분야, 또는 사용 주체) 및 성능 정보를 블록에 저장할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 통신 모듈(240)을 통해 블록체인 네트워크(200)에 등록된 AI 모델을 관리하는 기능을 수행하는 프로그램에 대한 데이터를 등록할 수 있다. 예컨대, 프로그램은, AI 모델의 성능을 평가하거나, AI 모델의 성능 이상 여부를 확인하거나, AI 모델의 학습을 위한 시스템 자원을 할당하는 기능을 수행하기 위한 소프트웨어일 수 있다. 또한, 프로그램은, 새로운 AI 모델을 블록체인 네트워크(200)에 등록할지 여부를 결정하는 기능을 수행하기 위한 소프트웨어일 수도 있다.
다양한 실시 예에 따라, 프로세서(220)는, 통신 모듈(240)을 통해 적어도 하나의 AI 모델이 등록된 블록체인 네트워크(200)에 액세스하고, 블록체인 네트워크(200)에 등록된 AI 모델을 관리하는 기능을 수행하는 프로그램을 확인할 수 있다. 프로세서(220)는, 확인된 프로그램을 이용하여, 블록체인 네트워크(200)에 등록된 적어도 하나의 AI 모델을 관리하는 기능을 수행할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 블록체인 네트워크(200)에 액세스하여 블록체인 네트워크(200)에 등록된 복수의 프로그램들 중 제1프로그램에 관련된 데이터를 획득할 수 있다. 프로세서(220)는, 제1프로그램에 관련된 데이터에 기초하여 상기 제1프로그램을 실행할 수 있다. 프로세서(220)는, 제1프로그램을 이용하여, 블록체인 네트워크(200)에 등록을 요청하는 새로운 AI 모델의 성능을 확인하고, 확인 결과에 따라 새로운 AI 모델을 블록체인 네트워크(200)에 등록할지 여부를 결정할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 블록체인 네트워크(200)에 액세스하여 블록체인 네트워크(200)에 등록된 복수의 프로그램들 중 제2프로그램에 관련된 데이터를 획득할 수 있다. 프로세서(220)는, 제2프로그램에 관련된 데이터에 기초하여 상기 제2프로그램을 실행할 수 있다. 프로세서(220)는, 제2프로그램을 이용하여, 블록체인 네트워크(200)에 등록된 적어도 하나의 AI 모델 중 현재 특정 제조 현장에서 사용 중인 제1 AI 모델의 성능 수치를 확인할 수 있다. 프로세서(220)는, 성능 수치에 기초하여, 제1 AI 모델의 성능 이상 여부를 확인할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 블록체인 네트워크(200)에 액세스하여 블록체인 네트워크(200)에 등록된 복수의 프로그램들 중 제3프로그램에 관련된 데이터를 획득할 수 있다. 프로세서(220)는, 제3프로그램에 관련된 데이터에 기초하여 상기 제3프로그램을 실행할 수 있다. 프로세서(220)는, 제3프로그램을 이용하여, 외부 전자 장치(예컨대, 도 1의 전자 장치(102 또는 104))로부터 블록체인 네트워크(200)에 등록된 적어도 하나의 AI 모델 중 제2 AI 모델의 성능 리포트 요청을 수신할 수 있다. 프로세서(220)는, 성능 리포트 요청에 응답하여, 제3프로그램을 이용하여 제2 AI 모델이 복수의 필드들 각각에 적용된 결과 값을 나타내는 제2 AI 모델의 성능 데이터를 획득할 수 있다. 프로세서(220)는, 성능 데이터에 기초하여 생성된 성능 리포트를 외부 전자 장치로 제공할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 블록체인 네트워크(200)에 액세스하여 블록체인 네트워크(200)에 등록된 복수의 프로그램들 중 제4프로그램에 관련된 데이터를 획득할 수 있다. 프로세서(220)는, 제4프로그램에 관련된 데이터에 기초하여 상기 제4프로그램을 실행할 수 있다. 프로세서(220)는, 제4프로그램을 이용하여, 외부 전자 장치(예컨대, 도 1의 전자 장치(102 또는 104))로부터 블록체인 네트워크(200)에 등록된 적어도 하나의 AI 모델 중 제3 AI 모델을 학습시키기 위한 요청을 수신할 수 있다. 프로세서(220)는, 제4프로그램을 이용하여, 제3 AI 모델을 학습시키기 위한 시스템 자원(예컨대, 제3 AI 모델을 학습시키기 위한 서버의 CPU 및/또는 GPU를 이용할 수 있는 권한)을 외부 전자 장치에 할당시킬 수 있다.
다양한 실시 예에 따라, 전자 장치(201)는, 디스플레이(미도시)(예컨대, 도 1의 표시 장치(160))를 더 포함할 수 있다. 예컨대, 프로세서(220)는, 디스플레이를 통해 블록체인 네트워크(200)에 대한 정보를 표시할 수 있다.
이하의 명세서에서, 블록을 생성하는 것은, 블록을 채굴하는 것을 의미할 수 있고, 블록 생성을 위해서는 블록체인 네트워크(200)에서 합의가 필요할 수 있다.
다양한 실시 예에 따라, 프로세서(220)는, 블록체인 네트워크(200)에 새로운 데이터를 추가할 수 있다. 이때, 프로세서(220)는, 블록체인 네트워크(200)에 새로운 블록을 생성할 수 있다. 즉, 프로세서(220)는, 블록체인 네트워크(200) 상에 추가할 데이터를 저장시킬 새로운 블록을 생성할 수 있다.
한편, 이하에서 설명하는 전자 장치(201)의 동작들 중 적어도 일부는 프로세서(220)에 의해 수행될 수 있다.
도 3는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
다양한 실시 예에 따라, 동작 301에서, 전자 장치(예컨대, 도 2b의 전자 장치(201))는 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 액세스할 수 있다.
다양한 실시 예에 따라, 동작 303에서, 전자 장치(201)는, 블록체인 네트워크(200)에 저장된 AI 모델을 관리하는 기능을 수행하는 프로그램을 확인할 수 있다.
다양한 실시 예에 따라, 동작 305에서, 전자 장치(201)는, 확인된 프로그램을 이용하여, AI 모델을 관리하는 기능을 수행할 수 있다. 예컨대, AI 모델을 관리하는 기능은, AI 모델의 오류(예컨대, 성능 이상)를 검출하거나, AI 모델의 성능을 확인하거나, 새로운 AI 모델의 등록을 자동으로 처리하는 기능을 포함할 수 있다. 예컨대, 프로그램은, 이더리움 블록체인의 스마트 컨트랙트 또는 하이퍼 레저 패브릭의 체인코드와 유사한 기능을 수행할 수도 있다.
도 4는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치가 AI 모델에 대한 데이터를 블록에 저장하는 동작을 설명하기 위한 도면이다.
도 4를 참조하면, 다양한 실시 예에 따라, 제1노드에 대응하는 제1전자 장치(201)는, 제1AI 모델에 대한 데이터, 제2AI 모델에 대한 데이터, 및 제3AI 모델에 대한 데이터를 복수의 블록들(410)에 저장할 수 있다. 이를 통해, 블록체인 네트워크(200)에 포함된 복수의 노드들(예컨대, 202, 203, 및 204)은, 복수의 블록들(410)을 통해 제1AI 모델에 대한 데이터, 제2AI 모델에 대한 데이터, 및 제3AI 모델에 대한 데이터를 획득할 수 있다.
다양한 실시 예에 따라, 블록체인 네트워크(200)에 포함된 복수의 노드들(예컨대, 202, 203, 및 204) 각각은, 사용 중인 AI 모델에 대한 정보를 복수의 블록들(410)에 저장할 수 있다. 예컨대, 제2노드에 대응하는 제2전자 장치(202)는, 기존의 블록들에 새로운 블록을 생성하고, 새로운 블록에 제1AI 모델에 대한 정보를 저장할 수 있다. 예컨대, 제3노드에 대응하는 제3전자 장치(203)는, 기존의 블록들에 새로운 블록을 생성하고, 제2AI 모델에 대한 데이터를 새로운 블록에 저장할 수 있다. 예컨대, 제4노드에 대응하는 제4전자 장치(204)는, 기존의 블록들에 새로운 블록을 생성하고, 새로운 블록에 제3AI 모델에 대한 데이터를 저장할 수 있다.
다양한 실시 예에 따라, 제1노드에 대응하는 제1전자 장치(201)는, 새로운 AI 모델의 등록 요청을 수신할 수 있다. 제1전자 장치(201)는, 새로운 AI 모델의 등록 요청에 기초하여, 새로운 AI 모델에 대한 정보를 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 복수의 블록들(410)에 저장할 수 있다. 예컨대, 제1전자 장치(201)는, 기존의 블록들에 새로운 블록을 추가 생성하고, 새로운 블록에 새로운 AI 모델에 대한 정보를 저장할 수 있다.
도 5는, 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드들이 AI 모델에 대한 데이터를 블록에 저장하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 복수의 블록들(511, 512, 513, 514, 및 515)은, 체인과 같이 서로 관련될 수 있다. 예컨대, 복수의 블록들(511, 512, 513, 514, 및 515)은, 제1블록(511), 제2블록(512), 제3블록(513), 제4블록(514), 및 제N블록(예컨대, N은, 5 이상의 자연수)(515)을 포함할 수 있다.
다양한 실시 예에 따라, 복수의 노드들(201, 202, 203, 및 204)은, 복수의 블록들(511, 512, 513, 514, 및 515)에 AI 모델과 관련된 정보 및 AI 모델을 관리하기 위한 프로그램에 대한 정보를 저장할 수 있다. 예컨대, 복수의 노드들(201, 202, 203, 및 204)은, 지정된 합의에 따라 AI 모델과 관련된 정보 및/또는 AI 모델을 관리하기 위한 프로그램에 대한 정보를 저장하기 위한 블록을 생성할 수 있다. 복수의 노드들(201, 202, 203, 및 204)은, AI 모델과 관련된 정보 및/또는 AI 모델을 관리하기 위한 프로그램에 대한 정보를 새로운 블록에 저장할 수 있다.
다양한 실시 예에 따라, 제1블록(511)에는, 타임스탬프 및 제1AI 모델에 대한 정보(예컨대, AI 모델명, 등록 일시, 사용처, 성능 정보)가 저장될 수 있다. 예컨대, 제1블록(511)은, 제네시스 블록(genesis block)일 수 있다. 제2블록(512)에는, 타임 스탬프, 제1블록(511)의 해시, 및 제2AI 모델에 대한 정보(예컨대, AI 모델명, 등록 일시, 사용처, 성능 정보)가 저장될 수 있다. 제3블록(513)에는, 타임 스탬프, 제2블록(512)의 해시, 및 제1프로그램에 대한 정보가 저장될 수 있다. 제4블록(514)에는, 타임 스탬프, 제3블록(513)의 해시, 및 제2프로그램에 대한 정보가 저장될 수 있다. 제N블록(515)에는, 타임 스탬프, 제N-1블록의 해시, 및 제3프로그램에 대한 정보가 저장될 수 있다.
도 6은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
다양한 실시 예에 따라, 동작 601에서, 전자 장치(예컨대, 도 2a의 전자 장치(201))는, 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 복수의 블록들에 저장된 복수의 프로그램들 중 제1프로그램을 실행할 수 있다. 예컨대, 전자 장치(201)는, 블록체인 네트워크(200)로부터 제1프로그램에 대한 데이터를 획득하고, 획득된 데이터에 기초하여 제1프로그램을 실행할 수 있다. 예컨대, 제1프로그램은, 새로운 AI 모델의 성능을 판단하기 위한 다양한 함수들을 포함할 수 있다.
다양한 실시 예에 따라, 동작 603에서, 전자 장치(201)는, 제1프로그램을 이용하여, 블록체인 네트워크(200)에 등록을 요청하는 새로운 AI 모델의 성능을 확인할 수 있다. 예컨대, 전자 장치(201)는, 외부 전자 장치(또는, 새로운 AI 모델의 개발자)로부터 새로운 AI 모델을 블록체인 네트워크(200)에 등록하는 요청을 수신할 수 있다. 이때, 전자 장치(201)는, 외부 전자 장치로부터 새로운 AI 모델의 성능을 판단하기 위한 기준이 되는 성능 정보를 수신할 수 있다. 전자 장치(201)는, 제1프로그램을 이용하여, 새로운 AI 모델의 성능과 외부 전자 장치로부터 수신된 성능 정보를 비교하고, 새로운 AI 모델의 성능이 성능 정보와 일치하는지 여부를 확인할 수 있다. 전자 장치(201)는, 확인 결과에 기초하여 상기 새로운 AI 모델의 제1성능 평가 정보를 생성 및 확인할 수 있다. 예컨대, 전자 장치(201)는, 새로운 AI 모델의 성능과 외부 전자 장치로부터 수신된 성능 정보가 일치하는 정도에 따라, 새로운 AI 모델의 신뢰도를 나타내는 제1성능 평가 정보를 생성 및 확인할 수 있다. 즉, 제1성능 평가 정보는, 새로운 AI 모델의 신뢰도를 나타내는 정보를 포함할 수 있다. 또한, 제1성능 평가 정보는, 새로운 AI 모델의 등록에 찬성하거나 반대하는 정보를 포함할 수도 있다.
다양한 실시 예에 따라, 전자 장치(201)는, 블록체인 네트워크(200)에 액세스된(또는 포함된) 복수의 노드들(예컨대, 도 2a의 제2노드(202) 내지 제6노드(206)) 각각으로 새로운 AI 모델에 대한 정보 및 외부 전자 장치로부터 수신된 성능 정보를 전송할 수 있다. 이때, 전자 장치(201)는, 복수의 노드들 각각에 대하여 새로운 AI 모델의 성능이 성능 정보와 일치하는지 여부를 확인하도록 요청하고, 확인 결과를 나타내는 성능 평가 정보를 전송해줄 것을 요청할 수 있다. 복수의 노드들 각각은, 제1프로그램을 이용하여 새로운 AI 모델의 성능이 성능 정보와 일치하는지 여부를 확인하고, 성능 평가 정보를 생성할 수 있다. 전자 장치(201)는, 복수의 노드들 각각에 의해 판단 및 생성된 새로운 AI 모델에 대한 성능 평가 정보를 획득 및 확인할 수 있다. 예컨대, 성능 평가 정보는, 복수의 노드들 각각에 의해 판단된 새로운 AI 모델의 신뢰도를 나타내는 정보를 포함할 수 있다. 또한, 제1성능 평가 정보는, 복수의 노드들 각각에 의해 판단된 새로운 AI 모델의 등록에 찬성하거나 반대하는 정보를 포함할 수도 있다.
다양한 실시 예에 따라, 동작 605에서, 전자 장치(201)는, 제1프로그램을 이용하여, 확인 결과에 따라 새로운 AI 모델을 블록체인 네트워크(200)에 등록할지 여부를 결정할 수 있다. 예컨대, 전자 장치(201)는, 제1성능 평가 정보 및 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여 새로운 AI 모델을 블록체인 네트워크(200)에 등록할지 여부를 결정할 수 있다. 예컨대, 전자 장치(201)는, 제1성능 평가 정보 및 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여, 새로운 AI 모델의 등록을 위한 지정된 합의를 만족하는지 여부를 확인할 수 있다. 예컨대, 전자 장치(201)는, 새로운 AI 모델의 신뢰도가 임계값 이상이면, 새로운 AI 모델을 블록체인 네트워크(200)에 등록하도록 결정할 수 있다. 또는, 전자 장치(201)는, 새로운 AI 모델의 등록을 찬성하는 노드가 과반 이상이면, 새로운 AI 모델을 블록체인 네트워크(200)에 등록하도록 결정할 수 있다.
다양한 실시 예에 따라, 새로운 AI 모델을 블록체인 네트워크(200)에 등록하도록 결정하면, 전자 장치(201)는, 제1프로그램을 이용하여, 새로운 블록을 생성하여 새로운 AI 모델에 대한 데이터를 저장할 수 있다. 또는, 새로운 AI 모델을 블록체인 네트워크(200)에 등록하지 않도록 결정하면, 전자 장치(201)는, 제1프로그램을 이용하여, 외부 전자 장치로 새로운 AI 모델에 대한 등록이 불허됨을 알리는 메시지를 전송할 수 있다.
이를 통해, 전자 장치(201)는, 제1프로그램을 이용하여, 새로운 AI 모델을 블록체인 네트워크(200)에 등록할 지 여부를 결정하는 기능을 수행할 수 있다.
도 7은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 7을 참조하면, 다양한 실시 예에 따라, 동작 701에서, 전자 장치(예컨대, 도 2a의 전자 장치(201))는, 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 복수의 블록들에 저장된 복수의 프로그램들 중 제2프로그램을 실행할 수 있다. 예컨대, 전자 장치(201)는, 블록체인 네트워크(200)로부터 제2프로그램에 대한 데이터를 획득하고, 획득된 데이터에 기초하여 제2프로그램을 실행할 수 있다. 예컨대, 제2프로그램은, 블록체인 네트워크(200)에 AI 모델의 사용 결과를 나타내는 정보가 기록되면, 사용 결과를 나타내는 정보에 기초하여 AI 모델의 성능 이상(또는 성능 오류)을 판단하기 위한 다양한 함수들을 포함할 수 있다.
다양한 실시 예에 따라, 동작 703에서, 전자 장치(201)는, 제2프로그램을 이용하여, 블록체인 네트워크(200)에 등록되어 현재 사용 중 제1AI 모델의 성능 수치를 확인할 수 있다. 예컨대, 제1AI 모델이 사용 중인 경우, 주기적으로 제1AI 모델의 사용 결과를 나타내는 데이터가 블록체인 네트워크(200)에 기록될 수 있다. 전자 장치(201)는, 블록체인 네트워크(200)에 제1AI 모델의 사용 결과를 나타내는 정보가 기록되면, 사용 결과를 나타내는 정보에 기초하여 제1AI 모델의 제1성능 수치를 확인할 수 있다.
다양한 실시 예에 따라, 전자 장치(201)는, 블록체인 네트워크(200)에 액세스된(또는 포함된) 복수의 노드들(예컨대, 도 2a의 제2노드(202) 내지 제6노드(206)) 각각으로 제1AI 모델에 대한 사용 결과를 확인하여 성능 수치를 전송해줄 것을 요청할 수 있다. 복수의 노드들 각각은, 제2프로그램을 이용하여 제1AI 모델의 성능 수치를 확인할 수 있다. 전자 장치(201)는, 복수의 노드들 각각에 의해 확인된 제1AI 모델에 대한 성능 수치를 획득 및 확인할 수 있다. 예컨대, 성능 수치는, 복수의 노드들 각각에 의해 판단된 제1AI 모델의 성능 이상 여부를 나타내는 정보를 포함할 수 있다.
다양한 실시 예에 따라, 동작 705에서, 전자 장치(201)는, 제1성능 수치 및 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여, 제1AI 모델의 성능 이상 여부를 확인할 수 있다. 예컨대, 전자 장치(201)는, 제1성능 수치 및 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여, 제1AI 모델의 성능 이상을 결정하기 위한 지정된 합의를 만족하는지 여부를 확인할 수 있다. 예컨대, 전자 장치(201)는, 제1AI 모델의 성능 수치가 임계값 이하이면, 제1AI 모델이 성능 이상(또는 성능 오류)이 있다고 결정할 수 있다. 또는, 전자 장치(201)는, 제1AI 모델의 성능 이상이 있다고 판단하는 노드가 과반 이상이면, 제1AI 모델이 성능 이상(또는 성능 오류)이 있다고 결정할 수 있다.
다양한 실시 예에 따라, 제1AI 모델이 성능 이상이 있다고 결정되면, 전자 장치(201)는, 제2프로그램을 이용하여, 제1AI 모델의 개발자(또는 개발자의 전자 장치)로 제1AI 모델의 성능 이상을 알리는 메시지를 전송할 수 있다. 또한, 전자 장치(201)는, 제2프로그램을 이용하여, 블록체인 네트워크(200)에 포함된 복수의 노드들로 제1AI 모델의 사용을 중단할 것을 요청할 수 있다. 또한, 전자 장치(201)는, 데이터 베이스(예컨대, 도 2b의 메모리(230))에서 제1AI 모델을 삭제할 수도 있다.
도 8은 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
도 8을 참조하면, 다양한 실시 예에 따라, 동작 801에서, 전자 장치(예컨대, 도 2a의 전자 장치(201))는, 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 복수의 블록들에 저장된 복수의 프로그램들 중 제3프로그램을 실행할 수 있다. 예컨대, 전자 장치(201)는, 블록체인 네트워크(200)로부터 제3프로그램에 대한 데이터를 획득하고, 획득된 데이터에 기초하여 제3프로그램을 실행할 수 있다. 예컨대, 제3프로그램은, 특정 AI 모델의 성능 리포트를 생성 및 제공하기 위한 다양한 함수들을 포함할 수 있다.
다양한 실시 예에 따라, 동작 803에서, 전자 장치(201)는, 제3프로그램을 이용하여, 외부 전자 장치로부터 블록체인 네트워크(200)에 등록된 제2AI 모델의 성능 리포트 요청을 수신할 수 있다. 예컨대, 성능 리포트는 제2AI 모델이 복수의 필드들에 적용되었을 때, 복수의 필드들 각각에 대한 성능 결과를 나타내는 정보를 포함할 수 있다.
다양한 실시 예에 따라, 동작 805에서, 전자 장치(201)는, 제3프로그램을 이용하여, 제2AI 모델이 복수의 필드들 각각에 적용된 결과 값을 나타내는 성능 데이터를 획득할 수 있다. 예컨대, 제2AI 모델이 복수의 필드들에 적용된 사용 결과를 나타내는 데이터(예컨대, 사용 결과 값)가 블록체인 네트워크(200)의 복수의 블록들에 기록될 수 있다. 전자 장치(201)는, 블록체인 네트워크(200)의 복수의 블록들에 기록된 제2AI 모델의 사용 결과를 나타내는 데이터(예컨대, 사용 결과 값)에 기초하여 성능 데이터를 획득할 수 있다. 전자 장치(201)는, 제2AI 모델이 복수의 필드들 각각에 사용된 후, 이에 대한 결과값 또는, 전자 장치(201)는, 복수의 필드들을 관리하는 서버들(예컨대, 복수의 노드들)로부터 성능 데이터를 획득할 수도 있다.
다양한 실시 예에 따라, 동작 807에서, 전자 장치(201)는, 성능 데이터에 기초하여 성능 리포트를 생성하고, 생성된 성능 리포트를 외부 전자 장치에 제공할 수 있다. 예컨대, 전자 장치(201)는, 제2AI 모델이 복수의 필드들에 이용될 때, 복수의 필드들 각각에서 발현되는 성능을 지표화하여 성능 리포트를 생성할 수 있다.
도 9는 다양한 실시 예에 따른, 블록체인 네트워크에 포함된 어느 하나의 노드에 대응하는 전자 장치의 동작을 설명하기 위한 플로우 차트이다.
다양한 실시 예에 따라, 동작 901에서, 전자 장치(예컨대, 도 2a의 전자 장치(201))는, 블록체인 네트워크(예컨대, 도 2a의 블록체인 네트워크(200))에 포함된 복수의 블록들에 저장된 복수의 프로그램들 중 제4프로그램을 실행할 수 있다. 예컨대, 전자 장치(201)는, 블록체인 네트워크(200)로부터 제4프로그램에 대한 데이터를 획득하고, 획득된 데이터에 기초하여 제4프로그램을 실행할 수 있다. 예컨대, 제4프로그램은, 특정 AI 모델을 학습시키기 위해 필요한 시스템 자원을 할당하는 다양한 함수들을 포함할 수 있다.
다양한 실시 예에 따라, 동작 903에서, 전자 장치(201)는, 제4프로그램을 이용하여, 외부 전자 장치로부터 블록체인 네트워크(200)에 등록된 제3AI 모델을 학습시키기 위한 요청을 수신할 수 있다.
다양한 실시 예에 따라, 동작 905에서, 전자 장치(201)는, 제4프로그램을 이용하여, 제3AI 모델을 학습시키기 위한 서버(예컨대, 학습 서버)의 시스템 자원(예컨대, CPU 또는 GPU의 이용 권한)을 외부 전자 장치에 할당할 수 있다. 예컨대, 전자 장치(201)는, 제3AI 모델을 학습시키기 위한 서버(예컨대, 학습 서버)의 시스템 자원을 이용하기 위한 토큰을 외부 전자 장치로 전송할 수 있다.
다양한 실시 예에 따라, 전자 장치(201)는, 제4프로그램을 이용하여, 제3AI 모델을 학습시킨 외부 전자 장치(또는 외부 전자 장치의 사용자)에게 인텐티브를 제공할 수도 있다.
다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치는, 통신 모듈 및 프로세서를 포함하고, 상기 프로세서는, 상기 통신 모듈을 통해 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하고, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하고, 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하도록 설정될 수 있다.
상기 프로세서는, 상기 복수의 프로그램들 중 제1프로그램에 관련된 데이터에 기초하여 상기 제1프로그램을 실행하고, 상기 제1프로그램을 이용하여, 상기 블록체인 네트워크에 등록을 요청하는 새로운 AI 모델의 성능을 확인하고, 확인 결과에 따라 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하도록 설정될 수 있다.
상기 프로세서는, 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록하는 요청을 수신하면서, 상기 새로운 AI 모델의 성능 정보를 수신하고, 상기 새로운 AI 모델의 성능이 상기 성능 정보와 일치하는지 여부를 확인하고, 확인 결과에 기초하여 상기 새로운 AI 모델의 제1성능 평가 정보를 생성하도록 설정될 수 있다.
상기 프로세서는, 상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 새로운 AI 모델에 대한 성능 평가 정보를 획득하고, 상기 제1성능 평가 정보 및 상기 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하도록 설정될 수 있다.
상기 프로세서는, 상기 복수의 프로그램들 중 제2프로그램에 관련된 데이터에 기초하여 상기 제2프로그램을 실행하고, 상기 제2프로그램을 이용하여, 상기 적어도 하나의 AI 모델 중 사용 중인 제1 AI 모델의 제1성능 수치를 확인하고, 상기 제1성능 수치에 기초하여, 상기 제1 AI 모델의 성능 이상 여부를 확인하도록 설정될 수 있다.
상기 프로세서는, 상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 사용 중인 제1 AI 모델에 대한 성능 수치를 획득하고, 상기 제1성능 수치 및 상기 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여 상기 제1 AI 모델의 성능 이상 여부를 확인하도록 설정될 수 있다.
상기 프로세서는, 상기 복수의 프로그램들 중 제3프로그램에 관련된 데이터에 기초하여 상기 제3프로그램을 실행하고, 상기 제3프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제2 AI 모델의 성능 리포트 요청을 수신하고, 상기 성능 리포트 요청에 응답하여, 상기 제3프로그램을 이용하여 상기 제2 AI 모델이 복수의 필드들 각각에 적용된 결과 값을 나타내는 상기 제2 AI 모델의 성능 데이터를 획득하고, 상기 성능 데이터에 기초하여 생성된 성능 리포트를 상기 외부 전자 장치로 제공하도록 설정될 수 있다.
상기 프로세서는, 상기 블록체인 네트워크에 포함된 복수의 블록들로부터 상기 결과 값을 획득하도록 설정될 수 있다.
상기 프로세서는, 상기 복수의 프로그램들 중 제4프로그램에 관련된 데이터에 기초하여 상기 제4프로그램을 실행하고, 상기 제4프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제3 AI 모델을 학습시키기 위한 요청을 수신하고, 상기 제4프로그램을 이용하여, 상기 요청에 기초하여 상기 제3 AI 모델을 학습시키기 위한 시스템 자원을 상기 외부 전자 장치에 할당하도록 설정될 수 있다.
상기 적어도 하나의 AI 모델에 대한 정보는, 상기 블록체인 네트워크에 포함된 복수의 블록들에 저장될 수 있다.
다양한 실시 예에 따른, 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치의 동작 방법은, 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작, 및 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 포함할 수 있다.
상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은, 상기 복수의 프로그램들 중 제1프로그램에 관련된 데이터에 기초하여 상기 제1프로그램을 실행하는 동작, 상기 제1프로그램을 이용하여, 상기 블록체인 네트워크에 등록을 요청하는 새로운 AI 모델의 성능을 확인하고, 확인 결과에 따라 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작을 포함할 수 있다.
상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작은, 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록하는 요청을 수신하면서, 상기 새로운 AI 모델의 성능 정보를 수신하는 동작, 상기 새로운 AI 모델의 성능이 상기 성능 정보와 일치하는지 여부를 확인하는 동작, 및 확인 결과에 기초하여 상기 새로운 AI 모델의 제1성능 평가 정보를 생성하는 동작을 포함할 수 있다.
상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작은, 상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 새로운 AI 모델에 대한 성능 평가 정보를 획득하는 동작 및 상기 제1성능 평가 정보 및 상기 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작을 포함할 수 있다.
상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은, 상기 복수의 프로그램들 중 제2프로그램에 관련된 데이터에 기초하여 상기 제2프로그램을 실행하는 동작, 상기 제2프로그램을 이용하여, 상기 적어도 하나의 AI 모델 중 사용 중인 제1 AI 모델의 제1성능 수치를 확인하는 동작, 및 상기 제1성능 수치에 기초하여, 상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작을 포함할 수 있다.
상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작은, 상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 사용 중인 제1 AI 모델에 대한 성능 수치를 획득하는 동작 및 상기 제1성능 수치 및 상기 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여 상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작을 포함할 수 있다.
상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은, 상기 복수의 프로그램들 중 제3프로그램에 관련된 데이터에 기초하여 상기 제3프로그램을 실행하는 동작, 상기 제3프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제2 AI 모델의 성능 리포트 요청을 수신하는 동작, 상기 성능 리포트 요청에 응답하여, 상기 제3프로그램을 이용하여 상기 제2 AI 모델이 복수의 필드들에 적용된 결과 값을 나타내는 상기 제2 AI 모델의 성능 데이터를 획득하는 동작, 및 상기 성능 데이터에 기초하여 생성된 성능 리포트를 상기 외부 전자 장치로 제공하는 동작을 포함할 수 있다.
상기 전자 장치의 동작 방법은, 상기 블록체인 네트워크에 포함된 복수의 블록들로부터 상기 결과 값을 획득하는 동작을 더 포함할 수 있다.
상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은, 상기 복수의 프로그램들 중 제4프로그램에 관련된 데이터에 기초하여 상기 제4프로그램을 실행하는 동작, 상기 제4프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제3 AI 모델을 학습시키기 위한 요청을 수신하는 동작, 및 상기 제4프로그램을 이용하여, 상기 요청에 기초하여 상기 제3 AI 모델을 학습시키기 위한 시스템 자원을 상기 외부 전자 장치에 할당하는 동작을 포함할 수 있다.
다양한 실시 예에 따른, 비일시적 컴퓨터로 판독할 수 있는 기록 매체는, 인스트럭션들이, 프로세서에 의한 실행 시, 상기 프로세서가, 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작, 및 상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 수행하는 인스트럭션들을 저장할 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치에 있어서,
    통신 모듈; 및
    프로세서를 포함하고, 상기 프로세서는,
    상기 통신 모듈을 통해 적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하고,
    상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하고,
    상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하도록 설정된 전자 장치.
  2. 제1항에 있어서, 상기 프로세서는,
    상기 복수의 프로그램들 중 제1프로그램에 관련된 데이터에 기초하여 상기 제1프로그램을 실행하고,
    상기 제1프로그램을 이용하여, 상기 블록체인 네트워크에 등록을 요청하는 새로운 AI 모델의 성능을 확인하고, 확인 결과에 따라 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하도록 설정된 전자 장치.
  3. 제2항에 있어서, 상기 프로세서는,
    상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록하는 요청을 수신하면서, 상기 새로운 AI 모델의 성능 정보를 수신하고,
    상기 새로운 AI 모델의 성능이 상기 성능 정보와 일치하는지 여부를 확인하고,
    확인 결과에 기초하여 상기 새로운 AI 모델의 제1성능 평가 정보를 생성하도록 설정된 전자 장치.
  4. 제3항에 있어서, 상기 프로세서는,
    상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 새로운 AI 모델에 대한 성능 평가 정보를 획득하고,
    상기 제1성능 평가 정보 및 상기 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하도록 설정된 전자 장치.
  5. 제1항에 있어서, 상기 프로세서는,
    상기 복수의 프로그램들 중 제2프로그램에 관련된 데이터에 기초하여 상기 제2프로그램을 실행하고,
    상기 제2프로그램을 이용하여, 상기 적어도 하나의 AI 모델 중 사용 중인 제1 AI 모델의 제1성능 수치를 확인하고,
    상기 제1성능 수치에 기초하여, 상기 제1 AI 모델의 성능 이상 여부를 확인하도록 설정된 전자 장치.
  6. 제5항에 있어서, 상기 프로세서는,
    상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 사용 중인 제1 AI 모델에 대한 성능 수치를 획득하고,
    상기 제1성능 수치 및 상기 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여 상기 제1 AI 모델의 성능 이상 여부를 확인하도록 설정된 전자 장치.
  7. 제1항에 있어서, 상기 프로세서는,
    상기 복수의 프로그램들 중 제3프로그램에 관련된 데이터에 기초하여 상기 제3프로그램을 실행하고,
    상기 제3프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제2 AI 모델의 성능 리포트 요청을 수신하고,
    상기 성능 리포트 요청에 응답하여, 상기 제3프로그램을 이용하여 상기 제2 AI 모델이 복수의 필드들 각각에 적용된 결과 값을 나타내는 상기 제2 AI 모델의 성능 데이터를 획득하고,
    상기 성능 데이터에 기초하여 생성된 성능 리포트를 상기 외부 전자 장치로 제공하도록 설정된 전자 장치.
  8. 제7항에 있어서, 상기 프로세서는,
    상기 블록체인 네트워크에 포함된 복수의 블록들로부터 상기 결과 값을 획득하도록 설정된 전자 장치.
  9. 제1항에 있어서, 상기 프로세서는,
    상기 복수의 프로그램들 중 제4프로그램에 관련된 데이터에 기초하여 상기 제4프로그램을 실행하고,
    상기 제4프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제3 AI 모델을 학습시키기 위한 요청을 수신하고,
    상기 제4프로그램을 이용하여, 상기 요청에 기초하여 상기 제3 AI 모델을 학습시키기 위한 시스템 자원을 상기 외부 전자 장치에 할당하도록 설정된 전자 장치.
  10. 제1항에 있어서,
    상기 적어도 하나의 AI 모델에 대한 정보는, 상기 블록체인 네트워크에 포함된 복수의 블록들에 저장된 전자 장치.
  11. 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치의 동작 방법에 있어서,
    적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작;
    상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작; 및
    상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 포함하는 전자 장치의 동작 방법.
  12. 제11항에 있어서, 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은,
    상기 복수의 프로그램들 중 제1프로그램에 관련된 데이터에 기초하여 상기 제1프로그램을 실행하는 동작;
    상기 제1프로그램을 이용하여, 상기 블록체인 네트워크에 등록을 요청하는 새로운 AI 모델의 성능을 확인하고, 확인 결과에 따라 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작을 포함하는 전자 장치의 동작 방법.
  13. 제12항에 있어서, 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작은,
    상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록하는 요청을 수신하면서, 상기 새로운 AI 모델의 성능 정보를 수신하는 동작;
    상기 새로운 AI 모델의 성능이 상기 성능 정보와 일치하는지 여부를 확인하는 동작; 및
    확인 결과에 기초하여 상기 새로운 AI 모델의 제1성능 평가 정보를 생성하는 동작을 포함하는 전자 장치의 동작 방법.
  14. 제13항에 있어서, 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작은,
    상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 새로운 AI 모델에 대한 성능 평가 정보를 획득하는 동작; 및
    상기 제1성능 평가 정보 및 상기 복수의 노드들로부터 획득된 성능 평가 정보에 기초하여 상기 새로운 AI 모델을 상기 블록체인 네트워크에 등록할지 여부를 결정하는 동작을 포함하는 전자 장치의 동작 방법.
  15. 제11항에 있어서, 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은,
    상기 복수의 프로그램들 중 제2프로그램에 관련된 데이터에 기초하여 상기 제2프로그램을 실행하는 동작;
    상기 제2프로그램을 이용하여, 상기 적어도 하나의 AI 모델 중 사용 중인 제1 AI 모델의 제1성능 수치를 확인하는 동작; 및
    상기 제1성능 수치에 기초하여, 상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작을 포함하는 전자 장치의 동작 방법.
  16. 제15항에 있어서, 상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작은,
    상기 블록체인 네트워크에 액세스된 복수의 노드들 각각에 의해 생성된 상기 사용 중인 제1 AI 모델에 대한 성능 수치를 획득하는 동작; 및
    상기 제1성능 수치 및 상기 복수의 노드들 각각으로부터 획득된 성능 수치에 기초하여 상기 제1 AI 모델의 성능 이상 여부를 확인하는 동작을 포함하는 전자 장치의 동작 방법.
  17. 제11항에 있어서, 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은,
    상기 복수의 프로그램들 중 제3프로그램에 관련된 데이터에 기초하여 상기 제3프로그램을 실행하는 동작;
    상기 제3프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제2 AI 모델의 성능 리포트 요청을 수신하는 동작;
    상기 성능 리포트 요청에 응답하여, 상기 제3프로그램을 이용하여 상기 제2 AI 모델이 복수의 필드들에 적용된 결과 값을 나타내는 상기 제2 AI 모델의 성능 데이터를 획득하는 동작; 및
    상기 성능 데이터에 기초하여 생성된 성능 리포트를 상기 외부 전자 장치로 제공하는 동작을 포함하는 전자 장치의 동작 방법.
  18. 제17항에 있어서,
    상기 블록체인 네트워크에 포함된 복수의 블록들로부터 상기 결과 값을 획득하는 동작을 더 포함하는 전자 장치의 동작 방법.
  19. 제11항에 있어서, 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작은,
    상기 복수의 프로그램들 중 제4프로그램에 관련된 데이터에 기초하여 상기 제4프로그램을 실행하는 동작;
    상기 제4프로그램을 이용하여, 외부 전자 장치로부터 상기 적어도 하나의 AI 모델 중 제3 AI 모델을 학습시키기 위한 요청을 수신하는 동작; 및
    상기 제4프로그램을 이용하여, 상기 요청에 기초하여 상기 제3 AI 모델을 학습시키기 위한 시스템 자원을 상기 외부 전자 장치에 할당하는 동작을 포함하는 전자 장치의 동작 방법.
  20. 비일시적 컴퓨터로 판독할 수 있는 기록 매체에 있어서, 인스트럭션들은, 프로세서에 의한 실행 시, 상기 프로세서가,
    적어도 하나의 AI 모델이 등록된 상기 블록체인 네트워크에 액세스하는 동작;
    상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능들을 수행하는 프로그램들 중 어느 하나의 프로그램을 확인하는 동작; 및
    상기 어느 하나의 프로그램을 이용하여, 상기 블록체인 네트워크에 등록된 상기 적어도 하나의 AI 모델을 관리하는 기능을 수행하는 동작을 수행하는 인스트럭션들을 저장하는 기록 매체.
KR1020210059464A 2021-05-07 2021-05-07 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법 KR20220152022A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210059464A KR20220152022A (ko) 2021-05-07 2021-05-07 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법
PCT/KR2022/006272 WO2022235039A1 (ko) 2021-05-07 2022-05-02 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법
EP22799082.7A EP4322073A1 (en) 2021-05-07 2022-05-02 Electronic device corresponding to node included in blockchain network and operation method therefor
US18/387,675 US20240078548A1 (en) 2021-05-07 2023-11-07 Electronic device corresponding to node included in blockchain network and operation method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210059464A KR20220152022A (ko) 2021-05-07 2021-05-07 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법

Publications (1)

Publication Number Publication Date
KR20220152022A true KR20220152022A (ko) 2022-11-15

Family

ID=83932825

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210059464A KR20220152022A (ko) 2021-05-07 2021-05-07 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법

Country Status (4)

Country Link
US (1) US20240078548A1 (ko)
EP (1) EP4322073A1 (ko)
KR (1) KR20220152022A (ko)
WO (1) WO2022235039A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190012595A1 (en) * 2017-07-07 2019-01-10 Pointr Data, Inc. Neural network consensus using blockchain
US11257073B2 (en) * 2018-01-31 2022-02-22 Salesforce.Com, Inc. Systems, methods, and apparatuses for implementing machine learning models for smart contracts using distributed ledger technologies in a cloud based computing environment
US11139980B2 (en) * 2018-11-28 2021-10-05 International Business Machines Corporation Immutably storing computational determinations using distributed ledgers
KR102142205B1 (ko) * 2019-01-04 2020-08-06 에스케이 주식회사 설명 가능한 인공지능 모델링 및 시뮬레이션 시스템 및 방법
US11562254B2 (en) * 2019-07-30 2023-01-24 Mcafee, Llc Distribution of neural networks with blockchains

Also Published As

Publication number Publication date
US20240078548A1 (en) 2024-03-07
EP4322073A1 (en) 2024-02-14
WO2022235039A1 (ko) 2022-11-10

Similar Documents

Publication Publication Date Title
EP4184403A1 (en) Electronic device for generating transaction including internal data, and operating method thereof
KR20230067126A (ko) Ipfs를 활용한 중앙화 대체불가능 토큰의 발행 장치 및 방법
KR20220152022A (ko) 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법
KR20230052165A (ko) 블록체인 네트워크에서 부분 원장을 가진 전자 장치 및 그의 동작 방법
KR20230036797A (ko) 블록체인 네트워크에서 트랜잭션을 생성하는 전자 장치 및 그의 동작 방법
KR20220152779A (ko) 전자 장치 및 이를 이용한 외부 전자 장치의 업데이트 방법
KR20220034530A (ko) 소리를 출력하는 전자 장치와 이의 동작 방법
KR20230028081A (ko) 어플리케이션의 실행 오류를 검출하는 전자 장치 및 그 작동 방법
KR20220167172A (ko) 블록체인 네트워크에서 부분 원장을 가진 전자 장치 및 그의 동작 방법
KR20230046061A (ko) 블록체인 네트워크에서 블록 데이터를 복구하는 전자 장치 및 그의 동작 방법
KR20220167177A (ko) 블록체인 네트워크에서 부분 원장을 가진 전자 장치 및 그의 동작 방법
KR20230022729A (ko) 인증 타입에 따라 상이한 로그인 프로세스를 수행하는 전자 장치 및 그 제어 방법
US20230261888A1 (en) Electronic device having partial ledger in blockchain network and operation method thereof
KR20220060336A (ko) 내부 데이터가 포함된 트랜잭션을 생성하는 전자 장치 및 이의 동작 방법
WO2023022359A1 (ko) 어플리케이션의 실행 오류를 검출하는 전자 장치 및 그 작동 방법
KR20240103903A (ko) 분산형 데이터 베이스 구조를 지원하는 서버 및 이의 동작 방법
KR20230023231A (ko) 그룹 계정 기반으로 전자 장치들을 관리하는 방법 및 이를 제공하는 장치
KR20220137329A (ko) 블록 체인에 기반하여 블록 합의를 수행하는 전자 장치 및 그 운용 방법
KR20230076701A (ko) 블록체인 네트워크에서 부분 원장을 가진 전자 장치 및 그의 동작 방법
KR20230070991A (ko) 전자 장치 및 어플리케이션 패키지 관리 방법
KR20230119549A (ko) 전자 장치에서 영상을 편집하는 방법 및 장치
KR20230155919A (ko) 비활성 노드를 위한 대리 합의 방법 및 전자 장치
KR20230051865A (ko) 무선 통신 수행 방법 및 이를 지원하는 전자 장치
KR20240045032A (ko) 블록체인 기반 데이터 전송 방법 및 장치
KR20230011795A (ko) 위젯을 표시하는 전자 장치 및 이의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination